超越预测准确度：用于评估模型–大脑对齐的目标空间恢复剖面

基于摘要分析。本文研究视觉模型与人脑的表征对齐评估：预测脑响应的准确度相近，并不意味着模型恢复了相同的脑响应结构。作者提出目标空间恢复剖面（recovery profile），在目标被试的 fMRI 响应空间中比较模型预测子空间与参考方向的重叠，而非仅比较预测准确度。 核心机制是在每位目标被试、每个视觉区域内，利用相同图像的多次试验响应构造加权参考。主分析对不同试验组的平均响应进行岭正则化降秩回归，再对得到的预测子空间投影算子取平均。恢复剖面刻画各模型子空间与加权参考方向的重叠。作者还利用其他被试响应形成剖面，并在每个目标被试内匹配预测准确度，以这些剖面之间的差异作为模型差异的脑–脑比较基准；其具体匹配与估计流程仍需全文核对。 作者分析了 Natural Scenes Dataset（NSD）八位被试对 515 张共有自然图像的响应，覆盖 V1、V2、V3 和 hV4。对同架构的 ImageNet 预训练模型与随机初始化模型，在留出数据上的预测准确度差值不超过 0.01 的匹配条件下，作者报告预训练模型在 29 对比较中的 25 对具有更高的平均恢复剖面得分。采用 Generative Modeling of Signal and Noise（GSN）估计信号协方差、据此构造替代参考时，作者报告平均差异仍为正。该结果支持恢复剖面能够揭示与预训练相关、但预测准确度未充分区分的结构差异，不等同于证明模型完整恢复了脑表征。 摘要未给出模型架构、留出划分、准确度定义、子空间秩与正则化选择、效应量及统计不确定性，实验协议、消融及统计信息尚未验证。本文主要贡献是视觉模型与 fMRI 响应的对齐评估，而非 BCI 算法；向 EEG 等信号的适用性尚未验证，相关工作尚未检索确认。